基于深度学习的电力设备红外图像故障诊断方法

• 作者: 陈达 唐文虎 牛哲文
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 变电设备 故障诊断 迁移学习 红外图像 图像分类
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 高电压与绝缘
• 页码范围: 97-105
• 页数: 9页
• 分类号: TM769|TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2021.001.012

摘要

红外热成像检测技术在变电站中的广泛应用产生了大量红外图像.针对变电站人工故障诊断作业量大、效率低的问题,提出了一种基于MobileNet的设备红外图像自动故障诊断方法,并进行了软件封装.首先,考虑到检测速率需求,构建了基于MobileNet轻量化网络的深度学习电力设备分类模型,并通过迁移学习提高模型训练效率和准确率;其次,利用比色条和温度极值拟合出图像灰度与实际温度的函数关系,以此计算出红外图像中设备热点的温度;最后,对以上结果和故障诊断规范进行软件封装,实现了故障的自动诊断.实验结果表明:该软件设备分类准确率达到95.7％,计算所得热点温度与实际温度的误差均值为-0.29％,所提出方法和软件有效提高了电力设备红外图像故障诊断效率,为变电站智能巡检提供了新思路.